오프라인에서 실시간으로: Apache Doris를 기반으로 한 Wuxi Xishang Bank의 데이터 웨어하우스 혁신 사례

오픈소스 중국 커뮤니티 팀이 공유라는 이름으로 오픈소스 중국 커뮤니티의 뒷이야기를 전하는 첫 생방송을 진행했습니다."

저자: Wuxi Xishang Bank 빅 데이터 기술 관리자 Wu Jipeng

편집 및 마무리 : SelectDB 기술팀

소개: 데이터 자산의 가치 전환과 포괄적인 디지털 및 지능형 위험 관리를 실현하기 위해 Wuxi Xishang Bank의 빅 데이터 플랫폼은 Hive 오프라인 데이터 웨어하우스에서 Apache Doris 실시간 데이터 웨어하우스로의 진화를 경험했으며 현재 액세스할 수 있습니다. 수백 개의 실시간 테이블, 수백 개의 데이터 서비스 인터페이스, 인터페이스 QPS는 수백만 수준에 도달하여 오프라인 데이터 웨어하우스의 적시성 부족, 높은 비용 및 낮은 효율성 문제를 해결하고 쿼리 속도를 10배 이상 향상시킵니다. , 사용자에게 시기적절하고 효과적이며 안전한 데이터 서비스 및 사용 경험을 제공합니다.

빅데이터, 사물인터넷, 인공지능 등 신기술이 금융산업에 가져온 변화에 직면하여 Wuxi Xishang Bank는 기술 역량과 빅데이터 역량 개발에 중점을 두고 있습니다. 데이터 자산의 가치 전환과 포괄적인 디지털 및 지능형 위험 관리를 실현하기 위해 Wuxi Xishang Bank는 '온라인 비즈니스, 데이터 기반 위험 제어, 플랫폼 기반'의 3개 날개 통합 기술 레이아웃을 기반으로 빅 데이터 플랫폼을 구축했습니다. 아키텍처". 매일 대량으로 유입되는 거래 기록 및 신용 신청 데이터를 관리하기 위해 사용자 초상화, 실시간 보고서, 실시간 위험 제어 및 기타 애플리케이션의 도움을 받아 사용자에게 보다 시의적절하고 효과적이며 안전한 서비스를 제공합니다. 데이터 서비스와 사용자 경험.

Wuxi Xishang Bank의 빅데이터 플랫폼은 Hive 기반의 오프라인 데이터 웨어하우스에서 Apache Doris 기반의 실시간 데이터 웨어하우스로 진화했습니다 . 아키텍처 업그레이드를 통해 오프라인 데이터 웨어하우스의 적시성 부족, 높은 비용, 낮은 효율성 문제가 해결되었으며, 쿼리 속도가 10배 향상되어 은행이 고객 행동을 더 빠르게 인식하고 적시에 통찰력을 얻을 수 있게 되었습니다. 비정상적인 거래 행위를 탐지하고 잠재적인 위험을 식별하고 예방합니다. 이 기사에서는 Wuxi Xishang Bank의 빅 데이터 플랫폼의 발전과 실시간 쿼리, 마케팅 서비스, 위험 제어 서비스 및 기타 시나리오에서 Apache Doris의 구현을 자세히 소개합니다.

Hive 기반 빅데이터 오프라인 데이터 웨어하우스

01 수요 시나리오

Wuxi Xishang Bank는 초기 단계에 빅 데이터 오프라인 데이터 웨어하우스를 구축했습니다. 이는 주로 데이터 보고, 데이터 위험 제어, 데이터 운영, 임시 쿼리 및 일일 데이터 검색과 같은 시나리오를 제공하지만 이에 국한되지는 않습니다.

• 데이터 보고: 고객 위험, EAST 보고, 1104, 대규모 집중, 신용 보고, 금리 보고, 자금 세탁 방지, 기본 재무 데이터 보고 등

• 데이터 위험 제어: 대출 위험 제어 지표, 사용자 행동 지표, 사기 방지, 대출 후 조기 경고, 대출 후 관리 및 기타 위험 제어에 대한 위험 제어가 포함됩니다.

• 데이터 운영 : BI 사업보고서, 관리콕핏, 외부채널 및 업계 내 다양한 ​​시스템에 대한 정기적인 배치 데이터를 제공합니다.

• 임시 쿼리 및 일일 데이터 검색: 비즈니스 요구에 따라 데이터 분석, 데이터 개발 및 데이터 추출을 수행합니다.

02 아키텍처와 문제점

초기 오프라인 데이터 웨어하우스에서는 데이터가 주로 Oracle, MySQL, MongoDB, Elasticsearch 및 파일에서 나왔습니다. Sqoop, Spark, 외부 데이터 소스 및 Shell과 같은 도구를 사용하여 데이터는 오프라인으로 Hive 오프라인 데이터 웨어하우스로 추출되고 Hive에서 ODS, DWD, DWS 및 ADS를 통해 계층적으로 처리됩니다. 애플리케이션 서비스 계층.

최근 몇 년 동안 Wuxi Xishang Bank의 비즈니스가 발전하고 확장됨에 따라 관련 비즈니스 부서의 데이터 처리에 대한 요구 사항이 점점 더 높아지고 있으며, 이는 주로 다음과 같은 새로운 요구 사항을 충족할 수 없습니다.

• 불충분한 데이터 적시성: 오프라인 데이터 웨어하우스는 오프라인 추출 솔루션을 사용하며 데이터 적시성은 T+1입니다. 그러나 보고서, 데이터 대시보드, 마케팅 지표 및 위험 제어 변수에는 현재 아키텍처가 충족할 수 없는 실시간 데이터 업데이트가 필요합니다. .

• 데이터 쿼리 효율성이 낮습니다. 두 번째 수준과 밀리초 수준의 쿼리 응답이 필요합니다. 오프라인 데이터 웨어하우스 실행 엔진은 주로 Hive와 Spark입니다. Hive가 실행되면 쿼리를 여러 MapReduce 작업으로 분해하고 HDFS에서 데이터를 읽고 써야 합니다. 실행 시간은 일반적으로 분 수준이므로 쿼리에 심각한 영향을 미칩니다. 능률.

• 높은 유지 관리 비용: 오프라인 데이터 웨어하우스의 최하위 계층에는 LDAP, Ranger, ZooKeeper, HDFS, YARN, Hive, Spark 및 기타 시스템을 포함한 많은 기술 스택이 포함되어 있어 시스템 유지 관리 비용이 높아집니다. HBase + Phoenix의 온라인 실시간 스토리지 및 서비스도 있지만 구성 요소가 상대적으로 "무거우며" 커뮤니티가 활성화되지 않고 일부 기능이 실시간 요구를 충족할 수 없기 때문에 여전히 현재 문제를 완전히 해결할 수 없습니다. 시나리오.

기술선택

오프라인 데이터 웨어하우스의 적시성 부족, 낮은 쿼리 효율성, 여러 기술 스택으로 인한 높은 유지 관리 비용 등의 문제에 직면하여 실시간 데이터 웨어하우스 구축은 필수적입니다. 여러 MPP 데이터베이스에 대한 심층적인 연구를 수행한 후 Wuxi Xishang Bank는 Apache Doris를 핵심으로 하는 실시간 데이터 웨어하우스 플랫폼을 구축하기로 결정했습니다. 이 기술 선택은 플랫폼이 데이터 작성, 쿼리 및 서비스 수준에서 실시간 비즈니스 분석의 높은 요구 사항을 충족할 수 있도록 보장하는 것을 목표로 합니다. Apache Doris를 선택하는 이유는 다음과 같습니다.

• 효율적인 데이터 업데이트: Apache Doris 고유 키는 대규모 일괄 데이터 업데이트, 소규모 일괄 데이터 실시간 쓰기 및 경량 테이블 구조 수정을 지원합니다. 특히 대량의 데이터와 파티션을 처리할 때 엄청난 양의 수정과 부정확한 수정 문제를 효과적으로 방지할 수 있어 보다 편리하고 실시간 데이터 업데이트를 제공합니다.

• 저지연 실시간 쓰기: 두 번째 수준에서 데이터의 실시간 쓰기, 업데이트 및 삭제를 지원하고 기본 키 테이블 모델 쓰기 시간 병합을 지원하여 마이크로 배치의 고주파 실시간 쓰기를 지원합니다. 기본 키 모델 시퀀스 열 설정을 통해 데이터 가져오기 프로세스의 질서를 보장합니다.

• 탁월한 쿼리 성능: Apache Doris는 벡터화된 실행 엔진, CBO 쿼리 최적화 프로그램, MPP 아키텍처, 지능적인 구체화된 뷰 및 기타 기능을 기반으로 강력한 다중 테이블 조인 기능을 갖추고 있어 대용량 데이터에 대해 밀리초 수준의 쿼리 응답을 달성하여 즉각적인 데이터를 만족시킬 수 있습니다. 쿼리가 필요합니다. 동시에 Apache Doris 버전 2.0은 행과 열의 혼합 저장을 지원하며 포인트 쿼리 시나리오에서 수만 개의 동시 밀리초 수준 응답을 달성할 수 있습니다.

• 이 플랫폼은 사용이 매우 쉽습니다. MySQL 프로토콜과 호환되며 풍부한 API 인터페이스를 제공하므로 상위 계층 애플리케이션 사용의 어려움을 줄일 수 있습니다. 동시에 Apache Doris는 FE와 BE의 두 가지 프로세스만으로 간소화된 아키텍처를 갖추고 있으며 노드 확장 및 축소가 간단하고 클러스터 관리 및 데이터 복사 관리 지원 자동화가 특징입니다. 낮은 운영 및 유지 비용.

빅데이터 실시간 데이터 웨어하우스 구축을 위한 Apache Doris 도입

2022년 4월 Wuxi Xishang Bank는 실시간 데이터 웨어하우스 플랫폼을 구축하기 위해 Apache Doris를 도입했습니다. 은행 데이터의 규모가 매우 크다는 점을 고려하면, 실시간 데이터에 접근하면서 기업 데이터베이스의 이력 데이터 전체를 동기화하는 것은 어렵습니다. 따라서 초기 실시간 데이터 구축은 주로 오프라인 데이터에 의존합니다.

첫째, HDFS Broker 방법을 사용하여 실시간 기록 데이터를 효율적으로 초기화하고, 수집 도구인 DataPipeline을 사용하여 실시간으로 데이터를 Kafka 클러스터에 수집한 다음 Flink에서 하드 코딩된 모드를 기록합니다. 실시간으로 Apache Doris에 데이터를 씁니다. 마지막으로 Feiliu 플랫폼의 인터페이스 서비스 기능을 통해 Apache Doris는 통합 스토리지 및 쿼리 엔진으로 사용되어 각 비즈니스 라인에 대한 서비스를 제공합니다.

Feiliu 플랫폼은 미래의 실시간 비즈니스 시나리오에 대처하기 위해 Wuxi Xishang Bank가 구축한 통합 종합 플랫폼입니다. 여기에는 주로 실시간 수집, 실시간 동기화 도구, 실시간 데이터 창고 , 실시간 계산 및 데이터 서비스가 포함됩니다. .

01 데이터 흐름 링크 개선

Wuxi Xishang Bank는 은행 데이터의 특성에서 시작하여 Apache Doris의 기능적 이점을 결합하여 데이터 흐름 링크를 재고하고 개선했습니다.

• 오프라인 데이터 웨어하우스의 기록 데이터를 동기화하면 위험이 최소화됩니다. 기사에서는 은행 데이터의 규모가 크기 때문에 Oracle 및 MySQL에서 전체 기록 데이터를 직접 동기화하면 많은 양의 데이터가 방화벽과 스위치를 통해 흐를 것이라고 언급했습니다. 다른 비즈니스 요청이 차단되거나 서비스 시간 초과 등의 문제가 발생합니다. 이러한 잠재적인 위험과 문제를 방지하기 위해 먼저 Oracle 및 MySQL을 기반으로 Doris 테이블 구조를 배치로 구축한 다음 HDFS Broker를 사용하여 오프라인 데이터 웨어하우스 Hive ODS 계층의 전체 T-1 데이터를 Doris에 동기화하여 최소화합니다. 위험.

• 실시간 증분 추출, 더욱 안전한 추출 모드: 실시간 추출은 기본 비즈니스 데이터베이스에 영향을 주지 않기 위해 기본적으로 비즈니스 슬레이브 데이터베이스 또는 동일한 양의 디스크 IO, 메모리 및 CPU 소비를 생성합니다. 도시 재해 복구가 실시간으로 라이브러리 추출됩니다. 적시성이 요구되는 비즈니스 요구 사항의 경우 기본 비즈니스 데이터베이스에서 데이터를 추출하기 전에 전체 평가가 필요합니다.

• 데이터 일관성을 보장하기 위해 Kafka 계층 구축: 데이터 질서와 일관성을 보장하기 위해 Kafka 계층을 중간 데이터 전송 계층으로 구축합니다. Datapipeline에서 전송하는 데이터의 Key는 Database-Table-PK로 구성되어 동일한 차원에 따라 Kafka Topic의 파티션(Partition)으로 순서대로 전송됩니다. Kafka Topic의 각 파티션은 순서대로 저장되므로 다운스트림 소비자는 실시간 데이터 웨어하우스 데이터의 정확성에 대한 잘못된 순서 영향을 피하기 위해 데이터를 처리할 수 있습니다. 또한 Kafka 계층은 데이터 공개 계층으로 사용될 수 있으며 마케팅, 위험 제어 및 기타 비즈니스 시나리오에 사용될 수 있습니다.

• 데이터가 손실되거나 중복되지 않도록 실시간으로 데이터를 기록합니다. 실제 적용 시나리오에서 오프라인 링크는 T-1일 오후 11시부터 오전 6시까지 오프라인 데이터 일괄 처리를 수행하고 오전 10시에는 HDFS Broker 방식을 사용합니다. T일의 시계. 테이블 기록 데이터 초기화. 실시간 링크는 실시간 데이터 동기화를 위해 오후 10시에 T-1에서 소비되는 Kafka Topic을 Flink를 통해 직접 가리킵니다. 단, 실시간 소비 과정에서 일부 중복되는 데이터가 나타날 수 있습니다. 이 문제를 해결하기 위해 중복되는 데이터를 신속하게 처리할 수 있는 Apache Doris의 고유 키 모델(이 모델은 데이터 멱등성을 지원함)을 선택하고 Flink-Doris-Connector를 사용하여 실시간 데이터 웨어하우스 링크를 개선합니다. 일관된 실시간 데이터 동기화, 버리는 것이 무겁지 않습니다.

02 유연한 데이터 서비스

정확하고 효율적인 쿼리 응답을 제공하기 위해 Wuxi Xishang Bank는 다음 세 가지 방법을 채택하여 데이터 서비스를 구현했습니다.

• 오프라인 데이터 쿼리: 오프라인 요구 사항의 경우 데이터를 빠르게 쿼리해야 합니다. Wuxi Xishang Bank는 정기적으로 오프라인 데이터 웨어하우스의 데이터를 실시간 데이터 웨어하우스의 Doris 테이블로 가져옵니다. 이를 통해 실시간 데이터 웨어하우스에서 빠른 쿼리를 통해 오프라인 데이터 분석 및 의사 결정 요구 사항을 충족할 수 있습니다.

• 간단한 실시간 요구 사항: 복잡하지 않은 실시간 요구 사항을 위해 Wuxi Xishang Bank는 Apache Doris의 효율적인 쿼리 기능을 사용하여 "Fei Liu" 플랫폼에서 데이터 서비스 인터페이스를 직접 구성할 수 있는 기능을 제공합니다. 사용자는 SQL 기반 SQL을 사용할 수 있습니다. 실시간 데이터 웨어하우스의 ODS 계층 수동 구성을 수행합니다. 이러한 방식으로 간단한 실시간 데이터 쿼리 요구 사항을 신속하게 충족할 수 있습니다.

• 복잡한 실시간 요구 사항: 복잡한 실시간 요구 사항을 위해 Wuxi Xishang Bank는 실시간 Kafka 데이터 흐름과 Flink 라이트 컴퓨팅을 사용하여 실시간 데이터 웨어하우스의 DWD 레이어 테이블에 데이터 흐름을 기록하고 "Fei Liu" 플랫폼은 테이블의 SQL을 다시 집계하고 데이터 서비스 인터페이스를 수동으로 구성하여 복잡한 실시간 데이터 쿼리 요구 사항을 충족합니다.

더욱 다양한 서비스 시나리오에 직면

01 BI 보고서 쿼리 응답 초 이내

Apache Doris를 기반으로 Wuxi Xishang Bank는 일일 데이터 분석, 일일 데이터 검색 및 BI 실시간 보고서와 같은 여러 시나리오의 요구 사항을 충족하며 쿼리 응답 시간이 크게 단축되고 쿼리 결과가 1초 이내에 반환될 수 있습니다 . 데이터 분석가의 대기 시간과 서버 리소스 소모가 크게 줄어듭니다.

예를 들어, BI 실시간 보고서 측면에서 Wuxi Xishang Bank는 실시간 대출 데이터 테이블, 실시간 예금 데이터 테이블, 계좌 잔고 테이블 및 기타 보고서를 구축했습니다. **이 보고서에는 평균 253줄의 SQL 코드가 포함되어 있으며 평균 응답 시간은 1.5초입니다. **또한, Wuxi Xishang Bank는 쿼리 성능과 데이터 모델 설계를 최적화하여 짧은 시간 내에 정확한 실시간 보고서를 생성하여 비즈니스 결정에 시기적절한 데이터 지원을 제공할 수 있습니다.

02 개인화된 마케팅 계획 지원

마케팅 데이터 서비스 측면에서는 아파치 도리스(Apache Doris) 기반의 우시시샹은행(Wuxi Xishang Bank)은 고객 태그 강화와 정확한 고객 초상화 개선을 위해 순자산 증대 활동, 아티스트 블라인드박스 활동 등 다양한 마케팅 활동을 펼쳤다. 은행은 실시간 데이터 분석을 통해 활성 사용자의 전환 현황을 적시에 관찰하고, 운영 선택 전략을 신속하게 조정하여 '천명이 하나의 얼굴'에서 '천명이 하나의 얼굴'로 개인화된 마케팅을 달성할 수 있습니다. 얼굴".

예를 들어 순자산 증가 활동, 아티스트 블라인드 박스 활동 등의 마케팅 활동에서 Wuxi Xishang Bank는 Apache Doris 실시간 데이터 웨어하우스의 기능을 사용하여 지속적으로 활동 데이터를 수집, 분석 및 피드백합니다. 실시간으로 사용자 전환을 관찰함으로써 인력과 활동 간의 일치를 보장하기 위해 작업 선택 전략을 신속하게 조정할 수 있습니다. 이러한 개인화된 마케팅 전략을 통해 은행은 고객 요구 사항을 더 잘 충족하고 참여도, 응답률 및 사용자 충성도를 높일 수 있습니다.

03 효율적인 위험 식별 및 통제

Apache Doris의 도입으로 Wuxi Xishang Bank는 위험 통제 특성 변수와 비정상적인 거래 행위를 더 빠르게 계산할 수 있게 되었습니다. 신규 사용자 등록을 예로 들면, 사용자가 정보를 입력하면 시스템은 실시간 리스크 관리 특성 변수를 기반으로 승인 전략의 결과를 신속하게 판단하고 적시에 전략 모델을 최적화하며 품질과 정확성을 보장할 수 있습니다. 승인의.

Wuxi Xishang Bank는 또한 적시에 잠재적인 위험을 식별하고 예방할 수 있습니다. 예를 들어, 은행은 대량 거래, 이상 거래 금액 등의 거래 데이터를 단시간에 실시간으로 수집하고 모니터링하여 이상 거래 행위 및 사기 행위를 적시에 탐지할 수 있습니다. 실시간 데이터 분석을 통해 은행은 잠재적인 위험을 신속하게 식별하고 예방 및 대응을 위한 적절한 조치를 취할 수 있습니다.

또한 Wuxi Xishang Bank는 Apache Doris 실시간 데이터 웨어하우스를 사용하여 고객의 신용 기록 및 신용 신청 정보에 대한 실시간 분석을 수행합니다. 은행은 고객의 신청 금액이 상환 능력에 부합하는지 신속하게 판단함으로써 적시에 위험 평가 및 결정을 내려 신용 위험을 효과적으로 통제할 수 있습니다.

04 7일간의 거래흐름표 데이터가 자동으로 업데이트됩니다.

실제 응용 시나리오에서는 거래 일련번호, 거래 날짜, 거래 유형, 거래 금액 및 기타 데이터를 포함하여 거래 흐름표의 데이터 양이 매우 큽니다. 시기적절한 데이터 업데이트를 보장하기 위해 Wuxi Xishang Bank는 Apache Doris 동적 파티션 테이블 기능을 사용하기로 결정했습니다. 이 기능은 자동으로 파티션을 생성하고 7일보다 오래된 거래 흐름 데이터를 자동으로 삭제하여 7일 거래 흐름 테이블의 데이터를 자동으로 업데이트할 수 있습니다. 특정 작업에는 다음 단계가 포함됩니다.

• 사업 날짜를 공동 기본 키로 사용하여 의사 열을 구성합니다.

• ID 데이터가 tran_date며칠에 걸쳐 업데이트되면 코드는 테이블 반환 작업을 수행합니다.

• 데이터의 삽입 및 파티션 테이블에서 해당 날짜 값을 찾아 이를 Json 업데이트에 연결하고 데이터베이스에 업데이트합니다.

Apache Doris의 동적 파티셔닝 및 테이블 파티셔닝 기능을 사용하면 기본 기본 키와 서버의 안정적인 작동을 보장할 수 있을 뿐만 아니라 분석가가 쿼리할 수 있는 7일간의 트랜잭션 데이터만 자동으로 업데이트하고 유지하며 요구 사항을 충족합니다. 100만 QPS 미만의 1.5초 쿼리 응답 요구 사항 .

05 높은 동시점 쿼리

초기 마케팅 및 위험 제어 애플리케이션 시나리오는 주로 두 세트의 HBase 클러스터에 의존하여 열거 서비스를 지원했지만 실제 애플리케이션에서는 마스터/지역 서버 비정상 종료 및 RIT와 같은 문제가 발생합니다. 이 문제를 방지하려면 Apache Doris의 높은 동시 쿼리 기능을 활용하고 고유 키 테이블을 생성할 때 쓰기 시 병합 전략을 활성화하면 다음과 같은 간단한 SQL 실행 경로를 통해 기본 키 쿼리가 완료될 수 있습니다. 단 하나의 RPC만 필요합니다. 빠른 쿼리 응답을 완료하세요.

마지막으로, 각 노드가 8C 및 10GB로 구성된 3개 노드에 대한 스트레스 테스트를 통해 다음과 같은 중요한 이점을 얻었습니다.

• 단일 테이블에 5천만 개의 데이터가 포함된 쿼리 시나리오에서 QPS는 최대 25,000입니다.

• 5천만 개의 데이터가 포함된 다중 테이블 읽기 및 쓰기 시나리오에서 QPS도 20,000에 도달합니다.

• 복잡한 SQL 쿼리의 안정성도 QPS 25,000이라는 높은 수준으로 유지됩니다.

• 여러 테이블의 실시간 읽기 및 쓰기 시나리오에서도 QPS는 25,000으로 안정화될 수 있습니다.

결론

현재 Apache Doris는 Wuxi Xishang Bank에서 수백 개의 실시간 테이블, 수백 개의 데이터 서비스 인터페이스 및 수백만 명에 달하는 인터페이스 QPS에 액세스했습니다. 또한, 통합 쿼리 게이트웨이인 Apache Doris는 과거 데이터 분석의 효율성을 대폭 향상시켜 원래 분 수준의 응답 시간과 비교하여 쿼리 속도를 10배 이상 향상시켰습니다.

앞으로 Wuxi Xishang Bank는 Apache Doris의 장점을 지속적으로 탐색하고 실시간 시나리오에서 더 심층적인 적용을 촉진할 것입니다.

• 성능 측면에서: 데이터 쿼리 응답 효율성을 향상시키기 위해 높은 동시성 쿼리, 자동 파티셔닝 및 버킷팅, 실행 엔진 및 기타 기능을 더욱 최적화합니다.

• 로드 밸런싱 측면에서: 아키텍처 로드 밸런싱을 동시에 달성하기 위해 이중 클러스터를 구축하고 아키텍처 조기 경고 및 회로 차단기 메커니즘을 개선하여 중단 없는 비즈니스 운영을 보장합니다.

• 클러스터 안정성 측면에서: Apache Doris 클러스터의 "작업 및 협업 분할"을 실현하여 각 클러스터가 실시간 데이터 웨어하우스의 계산 및 저장, 데이터 서비스 쿼리 가속화 등의 작업을 수행할 수 있도록 합니다. 시스템의 안정성과 신뢰성을 더욱 향상시킵니다.

1990년대에 태어난 프로그래머가 비디오 포팅 소프트웨어를 개발하여 1년도 안 되어 700만 개 이상의 수익을 올렸습니다. 결말은 매우 처참했습니다! 고등학생들이 성인식으로 자신만의 오픈소스 프로그래밍 언어 만든다 - 네티즌 날카로운 지적: 만연한 사기로 러스트데스크 의존, 가사 서비스 타오바오(taobao.com)가 가사 서비스를 중단하고 웹 버전 최적화 작업 재개 자바 17은 가장 일반적으로 사용되는 Java LTS 버전입니다. Windows 10 시장 점유율 70%에 도달, Windows 11은 계속해서 Open Source Daily를 지원합니다. Google은 Docker가 지원하는 오픈 소스 Rabbit R1을 지원합니다. Electric, 개방형 플랫폼 종료 Apple, M4 칩 출시 Google, Android 범용 커널(ACK) 삭제 RISC-V 아키텍처 지원 Yunfeng은 Alibaba에서 사임하고 향후 Windows 플랫폼에서 독립 게임을 제작할 계획

{{o.이름}}

{{이름}}